一种基于BP神经网络的游戏流失用户预测方法和系统技术方案

本申请涉及一种基于BP神经网络的游戏流失用户预测方法，该方法包括：通过数据库操作模块从游戏数据库中获取多个维度的第一用户记录数据；通过预处理模块对第一用户记录执行格式转换和冗余剔除之后生成第二用户记录数据；通过标签模块对第二用户记录数据添加流失标签或非流失标签；基于第二用户记录数据进行模型训练得到BP神经网络模型；通过BP神经网络模型预测游戏用户是否会流失。通过本申请，解决了相关技术中无法准确高效的对游戏流失用户进行预测的问题，提升了用户流失预测的准确性和效率，同时也节约了人力成本。同时也节约了人力成本。同时也节约了人力成本。

【技术实现步骤摘要】
一种基于BP神经网络的游戏流失用户预测方法和系统


[0001]本申请涉及游戏开发
，特别是涉及一种基于BP神经网络的游戏流失用户预测方法和系统。

技术介绍

[0002]随着电子竞技行业的发展，越来越多游戏出现，其中许多爆款游戏有大量的游戏玩家。游戏开发者希望延长玩家的游戏生命周期，为此希望能够根据玩家的行为来预测判断该玩家是否会流失。
[0003]在相关技术中，普遍采用人工统计分析的方法或者通过较为简单的机器学习进行流失预测。但是，采用人工统计分析方法，在用户基数较大时，存在效率低和人力成本较高的问题；采用简单机器学习进行流失预测的方法，也存在准确性和可扩展性较低的问题。
[0004]目前针对相关技术中无法准确高效的对游戏流失用户进行预测的问题，尚未提出有效的解决方案。

技术实现思路

[0005]本申请实施例提供了一种基于BP神经网络的游戏流失用户预测方法、系统、和计算机设备，以至少解决相关技术中无法准确高效的对游戏流失用户进行预测的问题。
[0006]第一方面，本申请实施例提供了一种基于BP神经网本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于BP神经网络的游戏流失用户预测方法，其特征在于，所述方法包括：通过数据库操作模块从游戏数据库中获取多个维度的第一用户记录数据；通过预处理模块对所述第一用户记录执行格式转换和冗余剔除之后生成第二用户记录数据；通过标签模块对所述第二用户记录数据添加流失标签或非流失标签；基于所述第二用户记录数据进行模型训练得到BP神经网络模型；通过所述BP神经网络模型预测游戏用户是否会流失，若是，将所述游戏用户添加至所述游戏数据库中的流失预测结果表。2.根据权利要求1所述的方法，其特征在于，所述基于所述第二用户记录进行训练得到BP神经网络模型包括：按照预设比例，将所述第二用户记录数据划分为训练数据集和测试数据集；基于所述训练数据集进行模型训练得到第一BP神经网络模型；基于所述测试数据集对所述BP神经网络模型的预测效果进行测试；在所述预测试的结果指示为合格的情况下，将所述第一BP神经网络模型保存为所述BP神经网络模型。3.根据权利要求2所述的方法，其特征在于，所述基于所述训练集数据进行模型训练得到第一BP神经网络模型包括：初始化BP神经网络模型架构；定义所述模型训练所需的训练参数；依据所述训练参数，基于所述BP神经网络模型架构和所述训练集数据，进行模型训练得到所述第一BP神经网络模型。4.根据权利要求3所述的方法，其特征在于，所述训练参数包括：神经元数量、激活函数、优化器、批尺寸、学习率、正则化参数、最大迭代轮数、迭代判断参照值和预设收敛阈值，其中，所述神经元数量是所述BP神经网络模型的隐藏层的神经元数量。5.根据权利要求4所述的方法，其特征在于，所述依据所述训练参数，基于所述BP神经网络模型架构和所述训练集数据，进行模型训练包括：采用自适应学习率的随机梯度算法作为所述优化器，以减少模型迭代收敛时间；在计算所述批尺寸个样本之后，更新模型参数以加速模型收敛；通过所述正则化参数惩罚偏离模型原点的权重；在符合第一预设条件或第二预设条件的情况下，终止模型的迭代；其中，所述第一预设条件是：当前迭代的轮数等于所述最大迭代轮数，所述第二预设条件是：当前迭代的损失函数相比上一轮迭代的损失函数下降的数值小于或者等于所述迭代判断参照值。6.根据权利要求1所述的方法，其特征在于，所述第一...

【专利技术属性】
技术研发人员：黄晓鑫，
申请(专利权)人：杭州电魂网络科技股份有限公司，
类型：发明
国别省市：